論文の概要: Samudra 2: Scaling Ocean Emulators across Resolutions

• arxiv url: http://arxiv.org/abs/2606.02610v1
• Date: Sun, 24 May 2026 20:17:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.457267
• Title: Samudra 2: Scaling Ocean Emulators across Resolutions
• Title（参考訳）: Samudra 2: 解像度を越えたオーシャンエミュレータのスケーリング
• Authors: Yuan Yuan, Jesse Rusak, Alexander Merose, Adam Subel, Pavel Perezhogin, Alistair Adcroft, Carlos Fernandez-Granda, Laure Zanna,
• Abstract要約: 海洋一般循環モデル(OGCM)は気候科学には不可欠であるが、計算コストがかかり、アンサンブルのサイズや強制シナリオが制限される。 改良されたConvNeXtスタイルのブロックとブロック内展開係数を低減したU-Netバックボーンを導入したSamudra 2を提案する。 1円あたりのサムードラ2は、平均気温が0.56ドルから0.87ドルに上昇し、深海温度の誤差を約7倍に減らす。
• 参考スコア（独自算出の注目度）: 38.716997864890736
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ocean general circulation models (OGCMs) are essential to climate science but computationally expensive, limiting ensemble size and forcing scenarios. Neural emulators promise orders-of-magnitude speedups, yet existing ocean emulators have not combined fine spatial resolution with multi-year autoregressive rollouts. Samudra, the first autoregressive neural ocean emulator to produce multi-decade global rollouts, is limited to $1^\circ$ resolution and exhibits two long-horizon failure modes: \emph{variance collapse}, the loss of temporal variability, and \emph{imprinting artifacts}, in which velocity patterns leak into deep-ocean fields. We present Samudra 2, which introduces a wider U-Net backbone with modified ConvNeXt-style blocks and a reduced block-internal expansion factor, together with a dynamic loss that reweights output channels according to their prediction errors, strengthening gradients for slow-evolving deep-ocean fields. At $1^\circ$, Samudra 2 increases upper-ocean global-mean temperature $R^2$ from 0.56 to 0.87 and reduces deep-ocean temperature error by roughly sevenfold. The same architecture scales to $1/2^\circ$ and $1/4^\circ$ over approximately 8-year autoregressive rollouts, recovering mesoscale eddies and sharp western boundary currents. Running on a single GPU, Samudra 2 enables larger ensembles for sea-level projections, ocean heat uptake, and climate variability studies. We provide code, documentation, and benchmark resources at https://openathena.ai/Ocean_Emulator/.
• Abstract（参考訳）: 海洋一般循環モデル(OGCM)は気候科学には不可欠であるが、計算コストがかかり、アンサンブルのサイズや強制シナリオが制限される。 ニューラルエミュレータはオーダー・オブ・マグニチュード・スピードアップを約束するが、既存のオーシャンエミュレータは細かな空間分解能と複数年の自動回帰ロールアウトを組み合わせていない。 マルチステップのグローバルロールアウトを生成する最初の自己回帰型ニューラルネットワークエミュレータであるSamudraは、解像度が1^\circ$に制限され、2つの長距離障害モードを示す。 本稿では,修正されたConvNeXtスタイルのブロックとブロック内展開係数を低減したより広いU-Netバックボーンと,予測誤差に応じて出力チャネルを再重み付けする動的損失を導入したSamudra 2について述べる。 1^\circ$で、Samudra 2は海洋上温のR^2$を0.56から0.87に上昇させ、海洋深部温度の誤差を約7倍に減少させる。 同じアーキテクチャは、1/2^\circ$と1/4^\circ$にスケールし、およそ8年間の自己回帰的なロールアウトを行い、メソスケール渦と鋭い西部境界流を回復する。 単一のGPU上で実行されるSamudra 2は、海面投射、海洋熱の取り込み、気候変動の研究のためのより大きなアンサンブルを可能にする。 コード、ドキュメンテーション、ベンチマークリソースはhttps://openathena.ai/Ocean_Emulator/で提供します。

関連論文リスト

• minWM: A Full-Stack Open-Source Framework for Real-Time Interactive Video World Models [51.45338589543413]
  minWMはリアルタイムインタラクティブなビデオワールドモデルを構築するためのフルスタックのオープンソースフレームワークである。 minWMは既存の双方向T2V/TI2Vビデオ基盤モデルをカメラ制御可能な数ステップの自己回帰世界モデルに変換する。
  論文  参考訳（メタデータ） (2026-05-28T17:27:03Z)
• Causal Forcing++: Scalable Few-Step Autoregressive Diffusion Distillation for Real-Time Interactive Video Generation [50.55853275866995]
  リアルタイムのインタラクティブなビデオ生成には、低レイテンシ、ストリーミング、コントロール可能なロールアウトが必要である。 本稿では,フレームワイドの自己回帰を1～2ステップのサンプリングで行うという,よりアグレッシブな設定について検討する。 原理的かつスケーラブルなパイプラインである textbfCausal Forcing++ を提案する。
  論文  参考訳（メタデータ） (2026-05-14T17:46:36Z)
• OceanPile: A Large-Scale Multimodal Ocean Corpus for Foundation Models [57.19693589926157]
  OceanPileは、海洋基盤モデル用に設計された大規模マルチモーダルコーパスである。 OceanCorpus、OceanInstruction、OceanBenchmarkの3つの重要なコンポーネントで構成されている。 すべてのデータセットは、海洋人工知能の分野を前進させるために公開されている。
  論文  参考訳（メタデータ） (2026-04-25T14:53:37Z)
• WorldCache: Accelerating World Models for Free via Heterogeneous Token Caching [50.43356949257532]
  拡散ワールドモデルに適したキャッシュフレームワークである textbfWorldCache を提案する。 We show that WorldCache delivers to textbf3.7$times$ end-to-end speedups while maintain textbf98% rollout quality。
  論文  参考訳（メタデータ） (2026-03-06T14:43:47Z)
• Simultaneous emulation and downscaling with physically-consistent deep learning-based regional ocean emulators [2.369898950737752]
  本稿では,メキシコ湾の高解像度海域に着目したAIを用いた海洋エミュレーション・ダウンスケーリングフレームワークを提案する。 このフレームワークは、短期的なスキルと、平均と可変性の観点からの正確な長期統計の両方を示している。
  論文  参考訳（メタデータ） (2025-01-09T08:28:31Z)
• Samudra: An AI Global Ocean Emulator for Climate [27.24070831177446]
  我々は、最先端の気候モデルにおける海洋成分のグローバルエミュレータを構築した。 多層海洋データに基づいてトレーニングしたConvNeXt UNetアーキテクチャを改良した。 海洋エミュレータ - Samudra は, 海洋変数の深さ構造と年次変動を再現できることを示す。
  論文  参考訳（メタデータ） (2024-12-05T01:25:34Z)
• Kick Back & Relax++: Scaling Beyond Ground-Truth Depth with SlowTV & CribsTV [50.616892315086574]
  本稿では,SlowTV と CribsTV の2つの新しいデータセットを提案する。 これらは、一般公開されているYouTubeビデオから収集された大規模なデータセットで、合計200万のトレーニングフレームが含まれている。 我々はこれらのデータセットを活用し、ゼロショット一般化の難しい課題に取り組む。
  論文  参考訳（メタデータ） (2024-03-03T17:29:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。